题目：基于孔探图像的航空发动机内部损伤识别研究

针对航空发动机内部结构的损伤检测，开发自动化数字检测技术，本文提出通过识别孔探检测所获得的孔探图像，来判断发动机内部结构是否有损伤。为此，对孔探图像处理与识别的理论和技术进行了深入的研究，论文完成的主要工作如下：1.损伤分类及孔探图像特点分析 通过分析损伤在孔探图像上的纹理特征及其相应的产生原因，将损伤分为区域类和线状类损伤两大类。区域类损伤在孔探图像上表现为不规则的区域，损伤的产生原因几乎都由燃烧和高温引起，因而也称为烧伤。线状类损伤在孔探图像上表现为粗糙的曲线或光滑的曲线，由机械应力产生，粗糙曲线类损伤对应着结构的分离性损坏，光滑曲线类损伤对应结构的变形损坏。基于纹理特征的分类，便于按类识别图像。 通过分析孔探图像的成像设备和环境以及孔探图像本身，得出孔探图像具有低灰度、低分辨率、有光斑、多阴影、多噪声的特点，为有针对性地增强孔探图像创下良好的基础。2.孔探图像增强 针对孔探图像的低灰度、低分辨率、有光斑、多阴影、多噪声的特点，提出基于小波变换的孔探图像增强算法。该算法首先对孔探图像进行二维正交离散小波变换获得尺度系数和小波系数。通过对尺度系数的处理和变换，抑制图像中的光斑并提高图像的平均灰度，同时能够避免噪声的增加。提出专门的算法以判断图像平均灰度的高低以及是否存在光斑。通过对小波系数的处理和变换，增强图像的对比度并同时抑制噪声。3.孔探图像的多尺度边缘提取 为了提取孔探图像的不同尺度下系列边缘图像的特征，研究基于小波变换的多尺度边缘理论，提取图像的不同尺度下的系列边缘，为计算图像的多尺度边缘特征奠定了基础，并在多尺度边缘的基础上，提出检测和去除阴影形成的虚假边缘的算法。4.损伤特征表达和损伤识别 为了识别烧伤，提出描述孔探图像识别特征的多尺度边缘系数法和边缘图像的分形维法，分形维的计算采用Sandbox法。为使Sandbox法更好地适用于孔探图像的边缘图像，对Sandbox的应用做出了改进。实验结果表明这两种方法都能够有效地识别出烧伤。 为了识别粗糙线状类损伤，提出边缘曲线的粗糙指数法以及利用分形维法来描述粗糙曲线的识别特征，粗糙曲线的分形维利用折线法计算。实验结果表明这两种方法都能够有效地识别出粗糙线状类损伤。